包括：免费电子书、课程、视频、讲义、论文、站点、框架等等

Stacked CNN简单介绍 中 有大概介绍过CNN的使用，不过那是有个前提的：CNN中的参数必须已提前学习好。而本文的主要目的是介绍CNN参数在使用bp算法时该怎么训练，毕竟 CNN中有卷积层和下采样层，

——IBM的Frederick Jelinek 如果说语言学家代指机器学习和固定的模型结构，那么深度学习意味着专家整体性能的提高。 深度学习是一个本质上引人入胜的主题，非常令人憧憬。Michel Herszak在LinkedIn写了一篇

深度学习架构-LeNet Yann LeCun开发的LeNet所用的卷积神经网络 基于LeNet的手写数字分类系统在商业上取得极大成功，网络上有LeNet5的在线演示，对于各种复杂的手写数字都能够准确识别。

深度学习架构- AlexNet Geoffrey Hinton的ILSVRC2013竞赛所用的卷积神经网络 基于该网络的图像分类算法取得ImageNet ILSVRC2013的第一名，分类结果得到极

net/article/2015-07-13/2825190 现在深度学习在许多监督式机器学习的任务中扮演着领头羊的角色。也可以这样认为，在近几十年中，深度学习已经产生了最实用的非监督式机器学习算法。兴奋之 余，这也引发了一系列的

深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值（例如一幅图像）可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易

Facebook”的特邀报告。在 Keith 的报告中，他首先对深度学习进行了一个简单的介绍，然后详细介绍了 FAIR 为加速深度学习，从硬件、软件和优化等方面所做的一些努力。本文由黄立威、张天雷整理。

深度学习架构-ENet 我们的团队计划结合近期公开的架构的所有特征，做出一个非常高效、低重的网络，使用较少的参数和计算就能达到顶尖结果。该网络架构被称为 ENet，由 Adam Paszke 设计。

1、局部最优问题。 深度学习算法的目标函数，几乎全都是非凸的。而目前寻找最优解的方法，都是基于梯度下降的。稍微有点背景知识的人都知道，梯度下降方法是解决不了非凸问题的。因此，如果找到最优解，将是深度学习领域，非常值得研究的课题。

Keras是一个简约，高度模块化的神经网络库。采用Python / Theano开发。 使用Keras如果你需要一个深度学习库： 可以很容易和快速实现原型（通过总模块化，极简主义，和可扩展性） 同时支持卷积网络（visi

这篇文章介绍的是关于并行深度神经网络的设计。在今年发布的两个机器学习项目中， cxxnet 是最精彩的一个。因为它包含了我们团队可以发挥到的机器学习和系统的各个方面的极致： 除了前沿的深度学习之外，它的两个独到特点也是让我们在设计实现中最为享受的

引言 普通的深度学习监督算法主要是用来做分类，如图1(1)所示，分类的目标是要识别出图中所示是一只猫。而在ILSVRC（ImageNet Large Scale Visual Recognition

humans 上周五在旧金山举行的机器学习会议上，Google 软件工程师 Quoc V. Le 讲解了 Google 的“深度学习”系统是如何运作的。 “深度学习”需要用到大型计算机集群来吸收数据

深度学习架构- ResNet 2015 年 12 月又出现了新的变革，这和 Inception V3 出现的时间一样。ResNet 有着简单的思路：供给两个连续卷积层的输出，并分流（bypassing）输入进入下一层（参见论文：Deep

TensorFlow 在训练深度神经网络方面效果也很好，那么你可能会考虑该如何取舍它的功能了 – 可是，为什么不选择两者兼得呢？那么，是否可以将两者的优势结合在一个模型中呢？ 在这篇文章中，我们将会介绍如何使用

金融交易平台。 这个交易平台名为 Capitalico，与传统的交易平台不一样的是，它使用了深度学习技术。Alpaca 在今年 7 月曾推出过 图像识别 和标记平台 Labellio，Capitalico

Hebel是一个用在Python中的神经网络深度学习库。使用 GPU 加速利用CUDA通过 PyCUD实现。它实现了几类最重要的神经网络模型，提供各种激活函数和训练模型，包括momentum、Nesterov

1. Keras简介 Keras是基于Theano的一个深度学习框架，它的设计参考了Torch，用Python语言编写，是一个高度模块化的神经网络库，支持GPU和CPU。使用文档在这： http://keras

Theano 是一个python类库，用数组向量来定义和计算数学表达式。它使得在Python环境下编写深度学习算法变得简单。在它基础之上还搭建了许多类库。 1. Keras 是一个简洁、高度模块化的神经